java - 如何使用 Spark 的 Direct Stream for Kafka 设置消费者组提交的偏移量？

Question

我正在尝试使用 Spark's Direct Approach (No Receivers) for Kafka ，我有以下 Kafka 配置图:

configMap.put("zookeeper.connect","192.168.51.98:2181");
configMap.put("group.id", UUID.randomUUID().toString());
configMap.put("auto.offset.reset","smallest");
configMap.put("auto.commit.enable","true");
configMap.put("topics","IPDR31");
configMap.put("kafka.consumer.id","kafkasparkuser");
configMap.put("bootstrap.servers","192.168.50.124:9092");

现在我的目标是，如果我的 Spark 管道崩溃并再次启动，流应该从消费者组提交的最新偏移量开始。因此，为此，我想为消费者指定起始偏移量。我有关于每个分区中提交的偏移量的信息。我如何将此信息提供给流功能。目前我正在使用

JavaPairInputDStream<byte[], byte[]> kafkaData =
   KafkaUtils.createDirectStream(js, byte[].class, byte[].class,
     DefaultDecoder.class, DefaultDecoder.class,configMap,topic); 

Answer 1

查看 Spark API docs 中 createDirectStream 的第二种形式- 它允许你传入 Map<TopicAndPartition, Long> ，其中 Long 是偏移量。

请注意，当使用 DirectInputStream 时，Spark 不会自动更新 Zookeeper 中的偏移量 - 您必须自己将它们写入 ZK 或其他数据库。除非你对 exactly-once 语义有严格的要求，否则使用 createStream 方法取回一个 DStream 会更容易，在这种情况下，Spark 将更新 ZK 中的偏移量，并在失败的情况下从上次存储的偏移量恢复。